Avis des lecteurs
Résumé:Les commentaires sur 'Learn Amazon SageMaker (Second Edition)' de Julien Simon soulignent son efficacité en tant que guide complet et pratique pour la compréhension et l'utilisation d'Amazon SageMaker. De nombreux lecteurs apprécient l'approche pratique, la clarté et l'étendue du livre, qui couvre un large éventail de sujets pertinents pour les scientifiques des données, les analystes et les passionnés de l'apprentissage automatique. Cependant, certains soulignent la brièveté du livre sur certains sujets avancés et les défis potentiels.
Avantages:⬤ Une couverture complète des fonctionnalités de SageMaker, y compris des exercices pratiques.
⬤ Des explications conviviales pour les débutants et des instructions étape par étape.
⬤ Des informations précieuses sur l'optimisation des coûts et des performances.
⬤ Efficace pour un public technique et non technique.
⬤ L'auteur est très compétent et offre une expérience d'apprentissage fluide.
⬤ Certains chapitres peuvent manquer de profondeur et de détails sur certains sujets avancés.
⬤ La brièveté de la discussion sur les défis potentiels auxquels les utilisateurs peuvent être confrontés.
⬤ Les instructions pour l'utilisation de SageMaker en dehors d'AWS peuvent être trop brèves.
(basé sur 9 avis de lecteurs)
Titre original :
Learn Amazon SageMaker - Second Edition: A guide to building, training, and deploying machine learning models for developers and data scientists
Contenu du livre :
Construisez et déployez rapidement des modèles d'apprentissage automatique sans gérer d'infrastructure et augmentez votre productivité en utilisant les dernières fonctionnalités d'Amazon SageMaker telles que Studio, Autopilot, Data Wrangler, Pipelines et Feature Store.
Caractéristiques principales :
⬤ Construisez, formez et déployez rapidement des modèles d'apprentissage automatique à l'aide d'Amazon SageMaker.
⬤ Optimisez la précision, le coût et l'équité de vos modèles.
⬤ Créez et automatisez des flux de travail d'apprentissage automatique de bout en bout sur Amazon Web Services (AWS).
Description du livre :
Amazon SageMaker vous permet de construire, d'entraîner et de déployer rapidement des modèles d'apprentissage automatique à grande échelle sans avoir à gérer d'infrastructure. Il vous aide à vous concentrer sur le problème de l'apprentissage automatique et à déployer des modèles de haute qualité en éliminant les tâches lourdes généralement impliquées dans chaque étape du processus d'apprentissage automatique. Cette deuxième édition aidera les data scientists et les développeurs ML à explorer de nouvelles fonctionnalités telles que SageMaker Data Wrangler, Pipelines, Clarify, Feature Store, et bien plus encore.
Vous commencerez par apprendre à utiliser les différentes capacités de SageMaker en tant qu'ensemble d'outils unique pour résoudre les défis ML et progresserez pour couvrir des fonctionnalités telles que AutoML, les algorithmes et les frameworks intégrés, et l'écriture de votre propre code et algorithmes pour construire des modèles ML. Le livre vous montrera ensuite comment intégrer Amazon SageMaker avec des bibliothèques d'apprentissage profond populaires, telles que TensorFlow et PyTorch, afin d'étendre les capacités des modèles existants. Vous verrez également comment l'automatisation de vos flux de travail peut vous aider à passer à la production plus rapidement, avec un minimum d'efforts et à moindre coût. Enfin, vous explorerez SageMaker Debugger et SageMaker Model Monitor pour détecter les problèmes de qualité en formation et en production.
A la fin de ce livre Amazon, vous serez en mesure d'utiliser Amazon SageMaker sur l'ensemble des flux de travail ML, de l'expérimentation, la formation et la surveillance à la mise à l'échelle, au déploiement et à l'automatisation.
Ce que vous apprendrez
⬤ Se familiariser avec les techniques d'annotation et de préparation des données.
⬤ Utiliser les fonctionnalités d'AutoML pour construire et entraîner des modèles d'apprentissage automatique avec AutoPilot.
⬤ Créer des modèles à l'aide d'algorithmes et de frameworks intégrés et de votre propre code.
⬤ Entraîner des modèles de vision artificielle et de traitement du langage naturel (NLP) à l'aide d'exemples concrets.
⬤ Couvrir les techniques de formation pour la mise à l'échelle, l'optimisation des modèles, le débogage des modèles et l'optimisation des coûts.
⬤ Automatiser les tâches de déploiement dans une variété de configurations à l'aide du SDK et de plusieurs outils d'automatisation.
A qui s'adresse ce livre :
Ce livre s'adresse aux ingénieurs logiciels, aux développeurs d'apprentissage automatique, aux scientifiques des données et aux utilisateurs d'AWS qui utilisent pour la première fois Amazon SageMaker et qui souhaitent construire des modèles d'apprentissage automatique de haute qualité sans se soucier de l'infrastructure. Une connaissance des bases d'AWS est nécessaire pour appréhender plus efficacement les concepts abordés dans ce livre. Une solide compréhension des concepts d'apprentissage automatique et du langage de programmation Python sera également utile.
Autres informations sur le livre :
| ISBN : | 9781801817950 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
